Analisis de ciclos en (LAS BAMBAS)¶

Import Packages¶

Este chunk configura el entorno de análisis de datos y las librerías necesarias para el proyecto. Se establecen las configuraciones de visualización y se importan todas las dependencias requeridas para:

📊 Análisis de datos: pandas, numpy para manipulación y cálculos estadísticos 📈 Visualización: plotly para gráficos interactivos con configuración optimizada para notebooks 🧮 Estadísticas: scipy.stats, statsmodels, pingouin para pruebas estadísticas y análisis avanzados 🔬 Análisis avanzado: gaussian_kde para estimación de densidad kernel y cálculos de probabilidad

La configuración incluye supresión de warnings para mantener limpia la salida y ajustes de plotly para garantizar compatibilidad con exportación HTML estática.

Import data and preprocessing¶

Este chunk se encarga de la carga y transformación inicial de los datos de rendimiento TKPH (Toneladas por Kilómetro por Hora) de los camiones mineros. Se realiza un preprocesamiento completo que incluye:

🚛 Filtrado de modelos: Se seleccionan únicamente los camiones de interés:

  • KOM 980E (Komatsu 980E)
  • CAT 797F (Caterpillar 797F)
  • CAT 798AC (Caterpillar 798AC)

⚙️ Creación de variables calculadas:

  • Velocidad: Cálculo de velocidad promedio del ciclo (km/h)
  • Hora: Extracción de la hora del día (0-23) para análisis temporal
  • Peso delantero ajustado: Cálculo del peso distribuido en las llantas delanteras según especificaciones técnicas de cada modelo

🎯 Reglas de negocio aplicadas:

  • Porcentajes de distribución de peso específicos por modelo de camión
  • Ajuste especial del +6% para operaciones desde pit CHALCOBAMBA hacia Chancador
  • Manejo de valores faltantes y validación de datos

Los datos procesados quedan listos para análisis estadísticos, visualizaciones y generación de reportes de performance operacional.

Especificaciones Técnicas - Distribución de Peso en Llantas Delanteras

MODELO EVW_FRONT GVW_FRONT Descripción
CAT 797F 48.5% 32.8% Caterpillar 797F
CAT 798AC 47.0% 33.0% Caterpillar 798AC
KOM 980E 48.5% 32.8% Komatsu 980E
📏 1. Calculando Velocidad...

📏 2. Calculando Hora...

📏 3. Peso ajustado...

Analisis de payload¶

Este chunk realiza un análisis estadístico completo de la distribución de tonelaje de carga (payload) utilizando dos enfoques complementarios:

Análisis de Distribución por Rangos Operacionales¶

Se implementa una clasificación por rangos basada en umbrales operacionales críticos:

  • Verde (< 363 ton): Zona de subcarga
  • Amarilla (363-400 ton): Zona de transición
  • Roja (400-436 ton): Zona objetivo
  • Negra (> 436 ton): Zona de sobrecarga

El análisis genera un gráfico dual que combina:

  1. Histograma de densidad: Visualización de la distribución real de tonelaje
  2. Tabla resumen: Porcentaje de ciclos que caen en cada rango operacional

Cálculo de Probabilidades usando Kernel Density Estimation (KDE)¶

Se calcula P(Tonelaje > 400) mediante dos métodos estadísticos:

Método KDE: Utiliza estimación de densidad kernel para crear una función de densidad continua, seguida de integración numérica (trapezoides y cuadratura adaptativa de scipy) para calcular probabilidades exactas.

Método Empírico: Cálculo directo basado en la proporción observada de datos que superan el umbral.

La comparación entre ambos métodos valida la robustez del análisis. El chunk incluye visualización interactiva que muestra el área bajo la curva correspondiente a la probabilidad calculada, proporcionando una interpretación intuitiva del resultado estadístico.

📊 CREANDO GRÁFICO DE DENSIDAD DE TONELAJE
==================================================
✅ Datos de tonelaje: 68061 registros válidos
Rango: 321.0 - 464.0 toneladas

📋 DISTRIBUCIÓN POR RANGOS
==================================================
📈 ESTADÍSTICAS ADICIONALES
==================================================
Total de ciclos analizados: 68,061
Tonelaje promedio: 400.4 ton
Tonelaje mediano: 401.0 ton
Desviación estándar: 15.8 ton
🔬 CÁLCULO DE P(TONELAJE > 400) USANDO KERNEL DENSITY ESTIMATION
======================================================================
📊 Datos: 68,061 observaciones de tonelaje
🎯 Calculando: P(Tonelaje > 400)

📈 PASO 1: CREANDO KERNEL DENSITY ESTIMATOR
==================================================
✅ KDE creado exitosamente
Bandwidth (ancho de banda): 0.1080
Número de puntos de datos: 68061
Rango de datos: [321.0, 464.0] toneladas

🧮 MÉTODO 1: INTEGRACIÓN POR TRAPEZOIDES
=============================================
Puntos de integración: 2000
Rango de integración: [400, 464.0]
✅ P(Tonelaje > 400) = 0.514271
   En porcentaje: 51.427%

🔬 MÉTODO 2: INTEGRACIÓN SCIPY (CUADRATURA ADAPTATIVA)
============================================================
✅ P(Tonelaje > 400) = 0.514271
   En porcentaje: 51.427%
   Error estimado: 1.08e-12

📊 COMPARACIÓN CON MÉTODO EMPÍRICO
=============================================
Empírico:     P(T > 400) = 0.501095 (50.109%)
KDE (Scipy quad): P(T > 400) = 0.514271 (51.427%)

Diferencia absoluta: 0.013177
Diferencia porcentual: 1.318 puntos porcentuales
✅ Buena concordancia entre métodos

Ciclos observados > 400: 34105 de 68061 total

📊 CREANDO VISUALIZACIÓN...
💻 FUNCIÓN REUTILIZABLE PARA KDE
========================================

🔧 EJEMPLO DE USO:
--------------------
Método: KDE + Scipy quad
P(Tonelaje > 400) = 0.514271
Porcentaje: 51.427%
Error estimado: 1.08e-12

✅ RESULTADOS FINALES
==============================
🎯 Umbral analizado: 400 toneladas
📊 Método usado: KDE con Scipy quad
🔢 P(Tonelaje > 400) = 0.514271
📈 Porcentaje: 51.427%
📋 Interpretación: De cada 1000 ciclos, aproximadamente 514 tendrán tonelaje > 400

Pesos delanteros¶

Este chunk implementa un análisis exhaustivo de la regla operacional especial que aplica un ajuste del +6% al peso distribuido en llantas delanteras para operaciones desde el pit CHALCOBAMBA hacia destinos que contienen "Chancador".

Análisis de Impacto Operacional¶

Se cuantifica la frecuencia de aplicación de la regla especial:

  • Conteo total de operaciones afectadas
  • Porcentaje de ciclos con ajuste vs operaciones normales
  • Análisis de rutas específicas desde CHALCOBAMBA

Visualización de Distribuciones Comparativas¶

Genera un dashboard de 4 paneles que compara las distribuciones de peso delantero:

  1. Histogramas de densidad: EVW y GVW delantero separados por condición normal/ajustada
  2. Box plots comparativos: Visualización de estadísticas descriptivas y detección de outliers

Análisis Estadístico Robusto¶

Implementa pruebas estadísticas no paramétricas (Mann-Whitney U) para determinar si las diferencias entre grupos son estadísticamente significativas, evitando asumir normalidad de los datos.

Segmentación Multi-dimensional¶

Desglosa el análisis por:

  • MODELO: Distribución de ajustes por tipo de camión (KOM 980E, CAT 797F, CAT 798AC)
  • EQUIPO: Identifica equipos específicos más afectados por la regla, ordenados por número absoluto de ajustes

Visualizaciones Multi-panel¶

  • Gráficos de barras apiladas mostrando proporción de ajustes por modelo
  • Box plots comparativos de peso delantero por modelo
  • Heatmap por equipo correlacionando ciclos totales con porcentaje de ajustes
🎯 ANÁLISIS COMPLETO - REGLA ESPECIAL AJUSTE CHALCOBAMBA
======================================================================
✅ Todas las columnas necesarias están presentes

📊 ESTADÍSTICAS GENERALES DEL AJUSTE CHALCOBAMBA
=======================================================
Total de registros: 68,061
Con ajuste Chalcobamba: 5,055 (7.43%)
Sin ajuste: 63,006 (92.57%)

🏗️ ANÁLISIS POR PIT Y DESTINO
-----------------------------------
Operaciones desde CHALCOBAMBA: 34,240

Destinos desde CHALCOBAMBA:
  📍 Botadero: 22,755 operaciones
  🎯 Chancador: 5,055 operaciones
  📍 Stock Sulfuros: 4,685 operaciones
  📍 Stock Mixtos: 1,525 operaciones
  📍 Inpit: 208 operaciones
  📍 Stock Óxidos: 12 operaciones

📈 CREANDO GRÁFICOS DE DENSIDAD DE PESO DELANTERO...
🧮 ANÁLISIS ESTADÍSTICO COMPARATIVO
=============================================

PESO GVW DELANTERO:
-------------------------
Normal    (n=63,006): μ=110.4, σ=2.7
Ajustado  (n=5,055): μ=130.8, σ=3.0
Diferencia de medias: +20.4 ton (+18.5%)

📊 PRUEBAS ESTADÍSTICAS:
-------------------------
GVW - Mann-Whitney U: p-value = 0.00e+00
GVW - Diferencia significativa: SÍ

🚛 ANÁLISIS POR MODELO DE CAMIÓN
=============================================
RESUMEN POR MODELO:
-------------------------
MODELO Total_Ciclos Con_Ajuste Sin_Ajuste Pct_Ajuste GVW_Delantero_Prom
1 CAT 797F 33619 2377 31242 7.07 112.29
0 KOM 980E 32750 2627 30123 8.02 111.74
2 CAT 798AC 1692 51 1641 3.01 109.05
🔧 ANÁLISIS POR EQUIPO
==============================
TOP 10 EQUIPOS POR NÚMERO DE CICLOS AJUSTADOS:
----------------------------------------
HT104           | KOM 980E   | 2,263 ciclos |  220 ajustes (  9.7%)
HT083           | CAT 797F   | 2,410 ciclos |  215 ajustes (  8.9%)
HT070           | CAT 797F   | 2,381 ciclos |  195 ajustes (  8.2%)
HT108           | KOM 980E   | 2,307 ciclos |  187 ajustes (  8.1%)
HT113           | KOM 980E   | 2,436 ciclos |  186 ajustes (  7.6%)
HT101           | KOM 980E   | 2,398 ciclos |  183 ajustes (  7.6%)
HT102           | KOM 980E   | 1,861 ciclos |  182 ajustes (  9.8%)
HT071           | CAT 797F   | 2,304 ciclos |  181 ajustes (  7.9%)
HT111           | KOM 980E   | 2,089 ciclos |  178 ajustes (  8.5%)
HT081           | CAT 797F   | 2,071 ciclos |  176 ajustes (  8.5%)
✅ RESUMEN EJECUTIVO - REGLA AJUSTE CHALCOBAMBA
============================================================
📊 IMPACTO OPERACIONAL:
• Total de operaciones analizadas: 68,061
• Operaciones con ajuste especial: 5,055 (7.43%)

⚖️ IMPACTO EN PESO DELANTERO:
• GVW Delantero: +20.4 ton promedio (+18.5%)

🚛 DISTRIBUCIÓN POR MODELO:
• CAT 797F: 2377 ajustes de 33,619 total (7.1%)
• KOM 980E: 2627 ajustes de 32,750 total (8.0%)
• CAT 798AC: 51 ajustes de 1,692 total (3.0%)

Analisis temporal¶

⏰ ANÁLISIS DE OPERACIONES POR HORA DEL DÍA
==================================================
✅ Columna 'Hora' encontrada

📊 CREANDO ANÁLISIS HORARIO...
RESUMEN POR HORA:
--------------------------------------------------------------------------------
Hora |  Ciclos | Tonelaje | Tiempo(h) | Distancia(km)
--------------------------------------------------------------------------------
   0 |    3251 |    400.0 |      0.77 |         11.4
   1 |    3147 |    399.0 |      0.78 |         11.7
   2 |    2816 |    400.0 |      0.81 |         11.9
   3 |    2943 |    400.0 |      0.81 |         12.0
   4 |    3037 |    400.0 |      0.77 |         11.3
   5 |    2674 |    401.0 |      0.77 |         11.4
   6 |     890 |    399.0 |      0.68 |          9.6
   7 |    1131 |    403.0 |      0.76 |         11.0
   8 |    2656 |    401.0 |      0.76 |         11.8
   9 |    3032 |    402.0 |      0.78 |         12.0
  10 |    3260 |    401.0 |      0.74 |         11.5
  11 |    3301 |    401.0 |      0.74 |         11.3
  12 |    3163 |    401.0 |      0.78 |         11.8
  13 |    3015 |    400.0 |      0.81 |         12.2
  14 |    3131 |    401.0 |      0.80 |         12.1
  15 |    3233 |    402.0 |      0.74 |         11.0
  16 |    3477 |    401.0 |      0.76 |         11.4
  17 |    3461 |    401.0 |      0.73 |         10.7
  18 |    1279 |    398.0 |      0.60 |          8.3
  19 |    1874 |    401.0 |      0.70 |          9.8
  20 |    3392 |    400.0 |      0.74 |         11.1
  21 |    3315 |    400.0 |      0.75 |         11.5
  22 |    3309 |    400.0 |      0.76 |         11.6
  23 |    3274 |    400.0 |      0.74 |         11.1
📈 ESTADÍSTICAS HORARIAS ADICIONALES
==================================================
ACTIVIDAD POR HORAS:
• Hora pico: 16h con 3477 ciclos
• Hora valle: 6h con 890 ciclos

TONELAJE POR HORAS:
• Mayor tonelaje: 403.0 ton a las 7h
• Menor tonelaje: 398.0 ton a las 18h
• Variación: 5.0 ton (1.3%)
⏰ Análisis temporal por horas completado!
AÑO MES FECHA ASSIGN_HOUR LOADLOADING_HOUR DUMPING_HOUR MODELO EQUIPO COD_PALA PIT ... Velocidad Hora Peso_EVW_Delantero Peso_GVW_Delantero Ajuste_Chalcobamba next_load this_dump gap_minutes gap_hour has_gap
0 2025 1 2025-01-01 2025-01-01 12:20:00 2025-01-01 13:02:43 2025-01-01 13:14:36 CAT 797F HT070 SH005 CHALCOBAMBA ... 19.848505 13 65.91150 110.33920 False 2025-01-01 13:50:28 2025-01-01 13:14:36 35.866667 13 True
1 2025 1 2025-01-01 2025-01-01 13:40:07 2025-01-01 13:50:28 2025-01-01 14:38:10 CAT 797F HT070 SH002 CHALCOBAMBA ... 17.055859 13 74.06550 133.43320 True 2025-01-01 17:24:24 2025-01-01 14:38:10 166.233333 14 True
2 2025 1 2025-01-01 2025-01-01 17:07:48 2025-01-01 17:24:24 2025-01-01 18:17:14 CAT 797F HT070 SH002 CHALCOBAMBA ... 14.356445 17 74.06550 130.91120 True 2025-01-01 19:33:39 2025-01-01 18:17:14 76.416667 18 True
3 2025 1 2025-01-01 2025-01-01 19:22:04 2025-01-01 19:33:39 2025-01-01 20:11:16 CAT 797F HT070 SH003 FERROBAMBA ... 11.241965 19 65.91150 110.50320 False 2025-01-01 23:16:10 2025-01-01 20:11:16 184.900000 20 True
4 2025 1 2025-01-01 2025-01-01 22:28:58 2025-01-01 23:16:10 2025-01-02 00:14:23 CAT 797F HT070 SH013 CHALCOBAMBA ... 16.218359 23 74.06550 127.03120 True NaT 2025-01-02 00:14:23 0.000000 0 False
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
0 2025 9 2025-09-20 2025-09-20 00:41:01 2025-09-20 00:49:24 2025-09-20 01:14:02 CAT 798AC HT160 SH001 FERROBAMBA ... 13.213653 0 61.67575 113.92425 False 2025-09-20 01:40:44 2025-09-20 01:14:02 26.700000 1 True
1 2025 9 2025-09-20 2025-09-20 01:14:48 2025-09-20 01:40:44 2025-09-20 02:11:51 CAT 798AC HT160 SH003 FERROBAMBA ... 19.421476 1 61.67575 106.49925 False 2025-09-20 02:45:06 2025-09-20 02:11:51 33.250000 2 True
2 2025 9 2025-09-20 2025-09-20 02:12:38 2025-09-20 02:45:06 2025-09-20 03:05:51 CAT 798AC HT160 SH004 FERROBAMBA ... 15.582212 2 61.67575 110.62425 False 2025-09-20 05:22:20 2025-09-20 03:05:51 136.483333 3 True
3 2025 9 2025-09-20 2025-09-20 05:06:01 2025-09-20 05:22:20 2025-09-20 05:45:05 CAT 798AC HT160 SH004 FERROBAMBA ... 13.267575 5 61.67575 110.95425 False 2025-09-20 05:59:07 2025-09-20 05:45:05 14.033333 5 True
4 2025 9 2025-09-20 2025-09-20 05:45:45 2025-09-20 05:59:07 2025-09-20 06:27:23 CAT 798AC HT160 SH003 FERROBAMBA ... 19.338309 5 61.67575 109.13925 False NaT 2025-09-20 06:27:23 0.000000 6 False

68061 rows × 40 columns